摘 要： 以二維條碼Data Matrix在實(shí)際應(yīng)用中的圖像為例，采用一種基于圖像最優(yōu)閾值的SUSAN檢測算子，將復(fù)雜背景圖像中的二維條碼圖像區(qū)域檢測出來。使用這種方法可以在最大程度上忽略復(fù)雜背景的干擾，實(shí)現(xiàn)二維條碼的快速定位。
關(guān)鍵詞： 二維條碼；Data Matrix；最優(yōu)閾值；SUSAN檢測算子
自動化數(shù)據(jù)采集技術(shù)是信息采集和處理的關(guān)鍵技術(shù)[1]，條碼技術(shù)在自動化數(shù)據(jù)采集中占重要地位。二維條碼是在傳統(tǒng)的一維條碼基礎(chǔ)上發(fā)展起來的。傳統(tǒng)的一維條碼由于受信息容量的限制必須依賴數(shù)據(jù)庫，而二維條碼的信息密度高、信息容量大，可以不依賴于數(shù)據(jù)庫。二維條碼不僅可以將數(shù)字、字符等信息存入編碼，而且可以將人臉、指紋和虹膜等圖像信息存入條碼，因此二維條碼在證件識讀、人事管理、運(yùn)輸包裝、POS系統(tǒng)和電子數(shù)據(jù)交換等方面得到廣泛的應(yīng)用[2]。此外，傳統(tǒng)的一維條碼只有校驗(yàn)功能，沒有糾錯能力，而二維條碼具有很強(qiáng)的錯誤校驗(yàn)和錯誤糾正功能，即使條碼符號有污點(diǎn)、殘缺，也能被正確識別出。二維條碼的識別技術(shù)是其應(yīng)用的關(guān)鍵技術(shù)。由于二維條碼密度遠(yuǎn)大于一維條碼，其識別技術(shù)不同于一維條碼，如何快速準(zhǔn)確地識別條碼成為了一個值得研究的問題。
Data Matrix原名Data Code，由美國國際資料公司于1989年發(fā)明，它是一種矩陣式二維條碼[3]。Data Matrix的最小尺寸是目前所有條碼中最小的，尤其適合用于小零件的標(biāo)識以及直接印刷在實(shí)體上。本文以Data Matrix條碼為例，研究了基于SUSAN檢測算子的二維條碼識別算法。
1 Data Matrix圖形結(jié)構(gòu)
Data Matrix的圖形結(jié)構(gòu)如圖1所示。Data Matrix是矩陣式二維條形碼的一種，它以一個矩形圖案表示數(shù)據(jù)信息，通常，黑色模塊表示“1”，白色模塊表示“0”，或者使用相反的表示方法。另外，在實(shí)際應(yīng)用中，可以采用不同的印制方式（如圖1中的圓形打點(diǎn)）。Data Matrix圖形可分為定位圖形（尋邊圖形）和數(shù)據(jù)區(qū)兩部分。其中，定位圖形由兩條實(shí)線邊組成的“L”形和與其相對的兩條虛線邊組成；數(shù)據(jù)區(qū)是由1、0模塊組成的矩形?；贒ata Matrix定位圖形的特性，將其與背景圖形區(qū)別開來，并對“L”形的頂點(diǎn)進(jìn)行精確定位。
2 Data Matrix圖形區(qū)域定位
在現(xiàn)實(shí)條件下拍攝到的二維條碼圖像往往受光線的明暗程度不同，粘貼、印刷的位置不當(dāng)，或被遮蓋、污染、出現(xiàn)褶皺等各種外界因素的干擾時，均會直接影響條碼的識讀效果。因此首先需要從復(fù)雜的圖像背景中初步分離出條碼區(qū)域。圖2所示為基于SUSAN檢測算子對Data Matrix圖形區(qū)域初步定位流程。
3 Data Matrix圖形區(qū)域定位
3.1 圖像采集與預(yù)處理
二維條形碼的獲取由光學(xué)照相或者掃描設(shè)備完成。本實(shí)驗(yàn)使用一個普通的帶有攝像頭的手機(jī)（最大分辨率是300×300），在不配備特殊光源的情況下獲得二維條形碼。最終獲得分辨率為300×300、尺寸為1 600×1 200、位深度為24的RGB彩色圖像。采用自然光照是考慮到降低成本以及適應(yīng)惡劣的環(huán)境的需要。
原始圖像比較大，如果使用原始圖像直接來做實(shí)驗(yàn)，處理速度極為緩慢且耗時。將原始圖像進(jìn)行預(yù)處理，轉(zhuǎn)換為分辨率為72×72、尺寸為178×178、位深度為8的256級灰度圖像。
3.2 圖像分割
經(jīng)過預(yù)處理得到的灰度圖像除了包含條形碼之外還包含其他的復(fù)雜背景。由于Data Matrix符號的特征是由一個個小方塊構(gòu)成的四邊形，這一特征將它與其他圖形區(qū)別開來，可以清楚地看到條碼區(qū)域具有清晰的邊緣特征，因此首先采用SUSAN算子對整幅圖像進(jìn)行邊緣檢測。
本文使用SUSAN算子的37個像素的模板，檢測時將模板依次放在圖像中每個點(diǎn)的位置，在每個位置，將模板內(nèi)每個像素的灰度值與核的灰度值進(jìn)行比較，這時需要閾值來確定此處的游程值，試驗(yàn)中選取的是灰度直方圖的極小點(diǎn)和最優(yōu)閾值兩種閾值。圖3（a）是選用灰度直方圖的極小點(diǎn)作為閾值時的SUSAN檢測后的圖像，可以看到，二維條碼區(qū)域粗略地被檢測出來，但是對于背景中略大的文字噪聲卻很難濾除掉；圖3（b）是選取最優(yōu)閾值時SUSAN檢測后的圖像，可以看到，條碼區(qū)域的邊緣被清晰地檢測出來，并且可以很好地濾除掉背景中的文字噪聲。
對預(yù)處理后的灰度圖像經(jīng)過選用最優(yōu)閾值的SUSAN算子檢測邊緣，可以觀察得出， Data Matrix符號的邊緣特征非常復(fù)雜和曲折，與其他僅具有簡單邊緣的圖形大不相同，因此其邊緣可以明確地分辨出來，同時對于背景中的噪聲有很好的濾除作用。
3.3 邊緣圖像投影[5]
二維條形碼的色塊組合在水平和垂直兩個方向都含有信息。將得到的邊緣圖像分別在水平和垂直方向上投影，突出灰度變化頻繁的區(qū)域，獲得條形碼圖像的粗定位。
3.4 條碼區(qū)域最終定位
將得到的邊緣圖像在水平和垂直方向上投影，即分別統(tǒng)計第m行（m<圖像高度）和第n列（n<圖像寬度）上的灰度值，令統(tǒng)計值分別為Sm和Sn。由于Data Matrix圖像復(fù)雜的邊緣曲線在一定坐標(biāo)范圍內(nèi)（m1<m<m2，n1<n<n2）表現(xiàn)出較小且變化頻繁的投影值，因此將水平與垂直方向的區(qū)域（區(qū)域[（m1，n1），（m1，n2），（m2，n1），（m2，n2）]）結(jié)合起來，便可以初步確定Data Matrix圖像在整個圖像中的大致位置。為了避免計算誤差，可以考慮在區(qū)域兩端留出一定量，對得到的區(qū)域進(jìn)行幾何裁剪，將Data Matrix圖像提取出來。條碼區(qū)域最終定位圖如圖4所示。
通過對圖像識別的研究，實(shí)現(xiàn)了實(shí)際應(yīng)用中二維條形碼Data Matrix的初步提取。對實(shí)際圖片進(jìn)行了實(shí)驗(yàn)，利用本文提出的識別算法能有效地去除背景和噪聲的干擾，達(dá)到快速、準(zhǔn)確識別的目的。
參考文獻(xiàn)
[1] SRIRAM T， RAO V K. Applications of barcode technology in automated storage&retrieval systems[C]. IECON Proceedings， 1996（1）：5-10.
[2] 張鐸，王耀球.條碼技術(shù)與電子數(shù)據(jù)交換[M].北京：中國鐵道出版社，1998.
[3] 矯云起，張成海.二維條碼技術(shù)[M].北京：中國物價出版社，1996.
[4] 章毓晉.圖像工程（第二版）[M].北京：清華大學(xué)出版社，2007.
[5] 陳媛媛，施鵬飛.二維條形碼的識別及應(yīng)用[J].測控技術(shù)，2006，25（12）.